• influxDB 变换类函数

    1、DERIVATIVE()函数

    作用：返回一个字段在一个series中的变化率。

    InfluxDB会计算按照时间进行排序的字段值之间的差异，并将这些结果转化为单位变化率。其中，单位可以指定，默认为1s。

    语法：

    SELECT DERIVATIVE(<field_key>, [<unit>]) FROM <measurement_name> [WHERE <stuff>]

    其中，unit取值可以为以下几种：

    u --microseconds
s --seconds
m --minutes
h --hours
d --days
w --weeks

    DERIVATIVE()函数还可以在GROUP BY time()的条件下与聚合函数嵌套使用，格式如下：

    SELECT DERIVATIVE(AGGREGATION_FUNCTION(<field_key>),[<unit>]) FROM <measurement_name> WHERE <stuff> GROUP BY time(<aggregation_interval>)

    下面的例子六个观测值的water_level在表h2o_feet设置tag为 santa_monica：

    name: h2o_feet
--------------
time			               water_level
2015-08-18T00:00:00Z	 2.064
2015-08-18T00:06:00Z	 2.116
2015-08-18T00:12:00Z	 2.028
2015-08-18T00:18:00Z	 2.126
2015-08-18T00:24:00Z	 2.041
2015-08-18T00:30:00Z	 2.051

    例子1
    计算每秒钟的变化率
    SELECT DERIVATIVE(water_level) FROM h2o_feet WHERE location = 'santa_monica' LIMIT 5
    结果
    name: h2o_feet
--------------
time			              derivative
2015-08-18T00:06:00Z	 0.00014444444444444457
2015-08-18T00:12:00Z	 -0.00024444444444444465
2015-08-18T00:18:00Z	 0.0002722222222222218
2015-08-18T00:24:00Z	 -0.000236111111111111
2015-08-18T00:30:00Z	 2.777777777777842e-05
    注意，derivative中的第一个字段值（0.00014）不是0.052（原始数据中前两个字段值之间的差异：2.116 - 2.604＝0.052）。因为查询不指定单元的选择，InfluxDB自动计算每一秒的变化率，而不是每六分钟的变化率。导数列中第一个值的计算如下所示：(2.116 - 2.064) / (360s / 1s)
    分子是按字段值之间的差异。分母是以秒计的相关时间戳之间的差异（2015-08-18t00:06:00z - 2015-08-18t00:00:00z = 360s）除以单位（1s），从2015-08-18t00:00:00z率2015-08-18t00:06:00z返回    每秒的变化率。

    例子2
    计算每六分钟的变化率    。
    SELECT DERIVATIVE(water_level,6m) FROM h2o_feet WHERE location = 'santa_monica' LIMIT 5
    结果
    name: h2o_feet
--------------
time			               derivative
2015-08-18T00:06:00Z	 0.052000000000000046
2015-08-18T00:12:00Z	 -0.08800000000000008
2015-08-18T00:18:00Z	 0.09799999999999986
2015-08-18T00:24:00Z	 -0.08499999999999996
2015-08-18T00:30:00Z	 0.010000000000000231

    解释：
    数列中第一个值的计算如下所示：    (2.116 - 2.064 / (6m / 12m)
    分子是按字段值之间的差异。分母是分钟相关的时间戳之间的差异（2015-08-18t00:06:00z - 2015-08-18t00:00:00z = 6m）除以单位（12m）。这将改变每12分钟从2015-08-18t00:00:00z率2015-08-18t00:06:00z。
    注：指定12m为单位并不意味着InfluxDB计算的数据每12分钟间隔的变化率。相反，InfluxDB计算每个区间的有效数据每12分钟变化率。
    例子3
    计算每12分钟间隔最大值每秒的变化率
    SELECT DERIVATIVE(MAX(water_level)) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' AND time < '2015-08-18T00:36:00Z' GROUP BY time(12m)
    结果：
    name: h2o_feet
--------------
time			               derivative
2015-08-18T00:12:00Z	 0.009999999999999787
2015-08-18T00:24:00Z	 -0.07499999999999973
    解释：
    为了得到这些结果，第一集InfluxDB计算区间指定组中的time()条款的时间max() water_level数据（12m）。这些结果看是这样
    name: h2o_feet
--------------
time			               max
2015-08-18T00:00:00Z	 2.116
2015-08-18T00:12:00Z	 2.126
2015-08-18T00:24:00Z	 2.051

    其次，计算每12m InfluxDB变化率（相同的时间间隔作为集团的time()区间）在派生列得到的结果。导数列中第一个值的计算如下所示：(2.126 - 2.116) / (12m / 12m)

    分子是按字段值之间的差异。分母是分钟相关的时间戳之间的差异（2015-08-18t00:12:00z - 2015-08-18t00:00:00z＝12m）除以单位（12m）。这个回报率每12分钟改变汇总数据从2015-08-18t00:00:00z到2015-08-18t00:12:00z。

    例子4
    　　将数据聚合到18分钟间隔，计算每六分钟的变化率。

    SELECT DERIVATIVE(SUM(water_level),6m) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' AND time < '2015-08-18T00:36:00Z' GROUP BY time(18m)

    结果：

    name: h2o_feet
--------------
time			               derivative
2015-08-18T00:18:00Z	 0.0033333333333332624

    解释：
    为了得到这些结果，第一集InfluxDB计算区间指定组中的time()条款的时间water_level的sum()数据（18m）。聚合结果如下所示
    name: h2o_feet
--------------
time			               sum
2015-08-18T00:00:00Z	 6.208
2015-08-18T00:18:00Z	 6.218

    其次，计算出每单位InfluxDB变化率（6m）在派生列得到的结果。导数列中第一个值的计算如下所示：(6.218 - 6.208) / (18m / 6m)
    分子是按字段值之间的差异。分母是分钟相关的时间戳之间的差异（2015-08-18t00:18:00z - 2015-08-18t00:00:00z = 18m）除以单位（6m）。这个返回的汇总数据2015-08-18t00:00:00z到2015-08-18t00:18:00z的每六分钟的变化率。

    2、DIFFERENCE()函数

    作用：返回一个字段中连续的时间值之间的差异。字段类型必须是长整型或float64。

    最基本的语法：

    SELECT DIFFERENCE(<field_key>) FROM <measurement_name> [WHERE <stuff>]

    与GROUP BY time()以及其他嵌套函数一起使用的语法格式：

    SELECT DIFFERENCE(<function>(<field_key>)) FROM <measurement_name> WHERE <stuff> GROUP BY time(<time_interval>)

    其中，函数可以包含以下几个：

    COUNT(), MEAN(), MEDIAN(),SUM(), FIRST(), LAST(), MIN(), MAX(), 和 PERCENTILE()。

    下面的例子集中在2015-08-18t00:00:00z和2015-08-18t00:36:00z之间santa_monica现场water_level：

    > SELECT water_level FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'
name: h2o_feet
--------------
time			  water_level
2015-08-18T00:00:00Z	  2.064
2015-08-18T00:06:00Z	  2.116
2015-08-18T00:12:00Z	  2.028
2015-08-18T00:18:00Z	  2.126
2015-08-18T00:24:00Z	  2.041
2015-08-18T00:30:00Z	  2.051
2015-08-18T00:36:00Z	  2.067

    例子1
    计算water_level之间值的差异：
    SELECT DIFFERENCE(water_level) FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'

    结果：
    name: h2o_feet
--------------
time			                difference
2015-08-18T00:06:00Z	  0.052000000000000046
2015-08-18T00:12:00Z	  -0.08800000000000008
2015-08-18T00:18:00Z	  0.09799999999999986
2015-08-18T00:24:00Z	  -0.08499999999999996
2015-08-18T00:30:00Z	  0.010000000000000231
2015-08-18T00:36:00Z	  0.016000000000000014
    解释：
    差异列中的第一个值是2.116 - 2.064，差值列中的第二个值为2.028 - 2.116。
    请注意，小数点的额外位置是浮点数不准确的结果。因为数据类型都为float类型。
    例子2
    选择每12分钟间隔最小的water_level值计算这些值之间的差异：
    SELECT DIFFERENCE(MIN(water_level)) FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z' GROUP BY time(12m)
    结果：
    name: h2o_feet
--------------
time			                difference
2015-08-18T00:12:00Z	  -0.03600000000000003
2015-08-18T00:24:00Z	  0.0129999999999999
2015-08-18T00:36:00Z	  0.026000000000000245
    解释：
    在不同列中得到值，InfluxDB首先选择min()值每隔12分钟：
    > SELECT MIN(water_level) FROM h2o_feet WHERE location='santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z' GROUP BY time(12m)
name: h2o_feet
--------------
time			 min
2015-08-18T00:00:00Z  	2.064
2015-08-18T00:12:00Z  	2.028
2015-08-18T00:24:00Z  	2.041
2015-08-18T00:36:00Z  	2.067

    然后使用这些值计算时间顺序值之间的差值；差值列中的第一个值是2.028 - 2.064。

    3、ELAPSED()函数

    作用：返回一个字段在连续的时间间隔间的差异，间隔单位可选，默认为1纳秒。

    单位可选项如下图：

    语法：

    SELECT ELAPSED(<field_key>, <unit>) FROM <measurement_name> [WHERE <stuff>]

    例子1： 

    计算差值（纳秒）的领域h2o_feet之间的时间戳：

    SELECT ELAPSED(water_level) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'
    结果
    name: h2o_feet
--------------
time			  elapsed
2015-08-18T00:06:00Z	  360000000000
2015-08-18T00:12:00Z	  360000000000
2015-08-18T00:18:00Z	  360000000000
2015-08-18T00:24:00Z	  360000000000

    例子2
    在计算领域h2o_feet之间的时间间隔一分钟数：
    SELECT ELAPSED(water_level,1m) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'
    结果
    name: h2o_feet
--------------
time			  elapsed
2015-08-18T00:06:00Z	  6
2015-08-18T00:12:00Z	  6
2015-08-18T00:18:00Z	  6
2015-08-18T00:24:00Z	  6
    注意：如果设置的时间间隔比字段数据间的时间间隔更大时，则函数会返回0，如下所示：
    > SELECT ELAPSED(water_level,1h) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:24:00Z'
name: h2o_feet
--------------
time			                elapsed
2015-08-18T00:06:00Z	  0
2015-08-18T00:12:00Z	  0
2015-08-18T00:18:00Z	  0
2015-08-18T00:24:00Z	  0

    4、MOVING_AVERAGE()函数

    作用：返回一个连续字段值的移动平均值，字段类型必须是长整形或者float64类型。

    语法：

    基本语法

    SELECT MOVING_AVERAGE(<field_key>,<window>) FROM <measurement_name> [WHERE <stuff>]

    与其他函数和GROUP BY time()语句一起使用时的语法

    SELECT MOVING_AVERAGE(<function>(<field_key>),<window>) FROM <measurement_name> WHERE <stuff> GROUP BY time(<time_interval>)

    此函数可以和以下函数一起使用：

    COUNT(), MEAN(),MEDIAN(), SUM(), FIRST(), LAST(), MIN(), MAX(), and PERCENTILE().

    如

    下面的例子water_level在表 h2o_feet，location 为santa_monica，时间段2015 - 08 - 18 - t00:00:00z和2015 - 08 - 18 - t00:36:00z:

    > SELECT water_level FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'
name: h2o_feet
--------------
time			  water_level
2015-08-18T00:00:00Z	  2.064
2015-08-18T00:06:00Z	  2.116
2015-08-18T00:12:00Z	  2.028
2015-08-18T00:18:00Z	  2.126
2015-08-18T00:24:00Z	  2.041
2015-08-18T00:30:00Z	  2.051
2015-08-18T00:36:00Z	  2.067
    例子1：
    计算移动平均在每2字段值:

    SELECT MOVING_AVERAGE(water_level,2) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z'

    结果：
    name: h2o_feet
--------------
time			 moving_average
2015-08-18T00:06:00Z	  2.09
2015-08-18T00:12:00Z	  2.072
2015-08-18T00:18:00Z	  2.077
2015-08-18T00:24:00Z	  2.0835
2015-08-18T00:30:00Z	  2.0460000000000003
2015-08-18T00:36:00Z	  2.059

    解释
    移动平均线列中的第一个值的平均值是2.064和2.116,第二个移动平均线列中的值是2.116和2.028的平均水平。

    例子2
    • 每隔12分钟选择最低值water_level和计算移动平均每2字段值:
    SELECT MOVING_AVERAGE(MIN(water_level),2) FROM h2o_feet WHERE location = 'santa_monica' AND time >= '2015-08-18T00:00:00Z' and time <= '2015-08-18T00:36:00Z' GROUP BY time(12m)
    结果：
    name: h2o_feet
--------------
time			                moving_average
2015-08-18T00:12:00Z	  2.0460000000000003
2015-08-18T00:24:00Z	  2.0345000000000004
2015-08-18T00:36:00Z	  2.0540000000000003
    解释：
    这些结果,InfluxDB首先选择MIN() water_level每12分钟间隔:
    name: h2o_feet
--------------
time			   min
2015-08-18T00:00:00Z	  2.064
2015-08-18T00:12:00Z	  2.028
2015-08-18T00:24:00Z	  2.041
2015-08-18T00:36:00Z	  2.067
    然后使用这些值来计算移动平均在每2字段值,移动平均线列中的第一个结果的平均值2.064和2.028,第二个结果是2.028和2.041的平均水平。

    5、NON_NEGATIVE_DERIVATIVE()函数

    作用：返回在一个series中的一个字段中值的变化的非负速率。

    InfluxDB计算连续字段值之间的差异和转换的结果为每单位变化率。
    单位参数是可选的，如果没有指定，则默认为1秒（1s）。

    语法：

    SELECT NON_NEGATIVE_DERIVATIVE(<field_key>, [<unit>]) FROM <measurement_name> [WHERE <stuff>]
    其中unit取值可以为以下几个：

    non_negative_derivative()也可以与嵌套函数a GROUP BY time()一起使用。 

    查询包含这些选项，InfluxDB首先进行聚合，选择，或转型通过时间间隔函数group by time()。

    然后计算时间字段值之间的差异，并将这些结果转换为每单位的变化率。
    单元参数是可选的，如果没有指定，默认为相同的时间间隔作为集团的time()区间。

    与聚合类函数放在一起使用时的语法如下所示：

    SELECT NON_NEGATIVE_DERIVATIVE(AGGREGATION_FUNCTION(<field_key>),[<unit>]) FROM <measurement_name> WHERE <stuff> GROUP BY time(<aggregation_interval>)

    可以参考derivative()的查询例子。derivative()和non_negative_derivative所有的查询结果是相同的除了non_negative_derivative()只返回正数。

    6、STDDEV()函数

    作用：返回一个字段中的值的标准偏差。值的类型必须是长整型或float64类型

    语法：

    SELECT STDDEV(<field_key>) FROM <measurement_name> [WHERE <stuff>] [GROUP BY <stuff>]

    例子1
    计算表h20_feet 中字段water_level的标准偏差
    SELECT STDDEV(water_level) FROM h2o_feet
    结果：
    name: h2o_feet
--------------
time			               stddev
1970-01-01T00:00:00Z	 2.279144584196145
    例子2
    计算water_level在一个星期时间间隔和location 标签，2015年9月18日的午夜2015年8月18日中午之间标准偏差。
    SELECT STDDEV(water_level) FROM h2o_feet WHERE time >= '2015-08-18T00:00:00Z' and time < '2015-09-18T12:06:00Z' GROUP BY time(1w), location
    结果：
    name: h2o_feet
tags: location = coyote_creek
time			 stddev
----			  ------
2015-08-13T00:00:00Z	 2.2437263080193985
2015-08-20T00:00:00Z	 2.121276150144719
2015-08-27T00:00:00Z	 3.0416122170786215
2015-09-03T00:00:00Z	 2.5348065025435207
2015-09-10T00:00:00Z	 2.584003954882673
2015-09-17T00:00:00Z	 2.2587514836274414

name: h2o_feet
tags: location = santa_monica
time			  stddev
----			  ------
2015-08-13T00:00:00Z	 1.11156344587553
2015-08-20T00:00:00Z	 1.0909849279082366
2015-08-27T00:00:00Z	 1.9870116180096962
2015-09-03T00:00:00Z	 1.3516778450902067
2015-09-10T00:00:00Z	 1.4960573811500588
2015-09-17T00:00:00Z	 1.075701669442093

     

     
    

     
    

     
    



    

    

    

    

    

    
    
          
    • 

          
  • 

            相关阅读:
    
            
              Pandas 中对列 groupby 后进行 sum() 与 count() 区别及 agg() 的使用方法
                
    数据预处理 | python 第三方库 imblearn 处理样本分布不均衡问题
                
    数据预处理 | 使用 pandas.to_datetime 处理时间类型的数据
                
    CSS自定义文件上传按钮样式，兼容主流浏览器
                
    php实现计划任务
                
    windows环境下为php打开ssh2扩展
                
    vmware上linux连网（centos6.3、ubuntu14测试通过）
                
    如何实现打开网页自动弹出QQ对话框
                
    php输出最近N个月的起至时间戳
                
    内部div自动扩张剩余宽度（包含固定宽度div和自适应宽度div）
                
                    
          
    • 
          
  • 
            原文地址：https://www.cnblogs.com/michellexiaoqi/p/7249766.html
          
    • 

        

      



      
      

        

        

      

    

  


  

  
Copyright © 2020-2023 
  润新知